न्यूरल नेटवर्क

आपको यहां से याद आ सकता है क्रॉस कसरतों को फ़ीचर करें कैटगरिकल डेटा मॉड्यूल में उपलब्ध है, कि नीचे दी गई कैटगरी की समस्या नॉनलीनियर है:

चित्र 1.  कार्टीज़न कोऑर्डिनेट प्लेन, चार में बंटा
      क्वाड्रेंट, जिनमें हर एक क्वाड्रेंट से मिलते-जुलते आकार में अनियमित बिंदु होता है
      वर्ग. सबसे ऊपर दाईं ओर और सबसे नीचे बाईं ओर मौजूद डॉट नीले रंग के होते हैं.
      और ऊपर बाएं और नीचे दाएं क्वाड्रेंट में मौजूद बिंदु नारंगी रंग के होते हैं.
पहला डायग्राम. नॉनलीनियर क्लासिफ़िकेशन से जुड़ी समस्या. रैखिक फलन नहीं हो सकता सभी नीले बिंदुओं को नारंगी बिंदुओं से साफ़ तौर पर अलग करें.

"नोनलिनर" इसका मतलब है कि आप फ़ॉर्म का मॉडल b+w1x1+w2x2. दूसरे शब्दों में, "फ़ैसले लेने के लिए प्लैटफ़ॉर्म" एक पंक्ति नहीं है.

हालांकि, अगर हम अपनी सुविधाओं x1 और x2 पर सुविधा क्रॉस करते हैं, तो हम फिर, लीनियर मॉडल: b+w1x1+w2x2+w3x3 जहां x3 के बीच का फ़ीचर क्रॉस है x1 और x2:

चित्र 2.  नीले और नारंगी रंग का समान कार्टीज़न निर्देशांक तल
      डॉट जैसा कि इमेज 1 में दिखाया गया है.  हालांकि, इस बार एक श्वेत हाइपरबोलिक वक्र
      इन्हें ग्रिड पर दिखाया जाता है. इससे सबसे ऊपर दाईं ओर मौजूद नीले बिंदुओं को अलग किया जाता है
      और सबसे नीचे बाएं क्वाड्रेंट (अब नीले रंग की पृष्ठभूमि के साथ शेड किए गए)
      ऊपर बाएं और नीचे दाएं क्वाड्रेंट में नारंगी बिंदु (अब
      नारंगी रंग के बैकग्राउंड से ढकी हुई होनी चाहिए).
दूसरा डायग्राम. फ़ीचर क्रॉस जोड़कर x1x2, लीनियर मॉडल सीख सकता है एक हाइपरबोलिक आकार, जो नीले बिंदुओं को नारंगी बिंदुओं से अलग करता है.

अब नीचे दिए गए डेटासेट का इस्तेमाल करें:

चित्र 3.  कार्टेज़ियन कोऑर्डिनेट प्लेन, जिसे चार क्वाड्रेंट में बांटा गया है.
      नीले बिंदुओं का एक गोलाकार समूह
      ग्राफ़ दिख रहा है और चारों ओर नारंगी बिंदुओं की रिंग से घिरा हुआ है.
तीसरी इमेज. एक ज़्यादा मुश्किल नॉनलीनियर क्लासिफ़िकेशन की समस्या.

इसे सुविधा क्रॉस एक्सरसाइज़ से भी याद किया जा सकता है जो इस डेटा के लिए एक लीनियर मॉडल को फ़िट करने के लिए क्रॉस-पोस्ट करती है इसमें थोड़ा मेहनत और एक्सपेरिमेंट करना पड़ा.

लेकिन, अगर आपको ये सभी चीज़ें खुद नहीं करनी पड़तीं, तो क्या होता? न्यूरल नेटवर्क एक परिवार है एक ही प्लैटफ़ॉर्म पर कई मॉडल बनाना होता है. नैनलाइनर पैटर्न हैं. न्यूरल नेटवर्क की ट्रेनिंग के दौरान, अपने-आप model का इस्तेमाल करें कम करने के लिए इनपुट डेटा पर परफ़ॉर्म करने के लिए सबसे बेहतर सुविधा क्रॉस को सीखता है नुकसान.

न्यूरल नेटवर्क के काम करने के तरीके पर, हम बारीकी से जानेंगे.